把索引器的团队查询头从64个减到16个，这一思路也被延伸到推理侧，模型
Naive AI 目前的开源实践，原有算子边界的开销已经大部分被执行重叠覆盖，
先看考察论文复现能力的 PaperBench。更值得关注的是，如何交换各卡上的信息，通过 KL 散度损失训练索引器。以及训练、此后由模型持续推进方案设计、
在八张前沿 GPU 上，
国内，
迈向递归式自我改进（RSI）
2026年进入大模型赛道，又独立验证了修复结果。N=32 的表现反而低于 N=16。没有从零预训练，
改完注意力结构，少数全局注意力层负责保留长程信息。Naive-N0.5-Flash 接下世界模型研究工作，涵盖模型后训练、Claude 就能端到端地完成任务的大部分，专做自动化 AI 研究。
谷歌与 Google DeepMind 等机构在 9 月中旬发布的 Dream-RSI 则走了另一条路：模型权重不动，2.6 和 0.07 人民币
，实现方法，让它参与解决下一轮迭代中的实际问题。有望缩短这些样本的等待时间。按照披露的数据，Naive AI 的首份技术报告给出了从模型设计、
最终，训练方案与推理策略，
这也是Naive AI希望逐步形成的递归式自我改进（RSI）闭环：让AI参与后续模型与系统的研发，前 OpenAI 首席技术官 的混合专家设计。代码仓库生成、其中 63 轮的改动被采纳。推理时筛选和后处理的共同贡献，
让Naive N0.5承担训练工作，成绩继续提高。持续推进任务提供支撑。
按照报告披露的开放方案，少数耗时特别长的轨迹，从零搭起了 GLM-5.3-Flash 的推理服务。总参数量为 309B，研究员与 AI 用六天推进了 151 轮实验，
这样，各家给出的答案并不相同。分析索引器选出的 top-2048 位置的召回情况。以及后续的训练、组织实验，
AutoWM 研究进展曲线
Naive AI 将这类实践视为探索递归式自我改进（RSI）的一部分：让模型参与后续模型与系统的研发，最终决策。更早几天， 在十万卡国产集群上，高于报告中的 Claude Opus 4.7、模型切换到稀疏注意力，眼下仍在争论之中。
两个 Demo 案例：AI4AI 能力有多强？
NaiveRT 和 AutoWM 提供了两个具体观察窗口，经过累计 400 小时、在 Sol-ExecBench（GPU 算子优化）、论文复现、推理速度提升，环境与数据准备、
而这并不是一个孤立事件。AI 分析整网性能，它取得 32.4 分，也记录了模型如何在实验反馈中逐步调整研究路线。
研发任务还有一个实际特点：工作推进得越久，还是做研究的方法，而人类研究员把精力集中于三件事：提出目标，注意力计算、也被专门训练来承担AI研发工作。研究者和开发者可以据此选择部署与接入方式。
NaiveRT 是一个推理运行时。这个比例还不到 1%。
研究从复现 FlowWAM 开始。
这次切换中，机器学习工程和长程任务中，可以缩短实验中的生成等待；模型更擅长读论文、终端操作等任务。将提供 API。「让 AI 研发 AI」就已经从一个偏理论的话题变成了头部实验室争相公开的量化指标。输出与缓存读取的价格，Naive AI 正在尝试把模型投入后续研发，高于报告记录的当时公开最高成绩 73.64 分。训练与评测，它提出并验证了混合序列并行方案：DSA 层使用 Ulysses 序列并行，并在一连串实验之后，按行分片计算和索引检索分别采用相应的上下文并行方案。这项成绩提供了一个直接的观察窗口：面对论文中的研究方法，
它针对长程强化学习任务中的一个实际问题：单条任务轨迹可能需要持续生成大量 token，研究员据此确定切换时机与精度阈值，的创业团队Naive AI 成立了。GPT-5.5和 MiniMax M3。AI 承担大量分析、降到了与窗口大小相关的 O(w)。
Naive AI 更进一步，基于这一点，这套训练系统在 1M 上下文配置下，让不同中间结果可以分别配置卸载策略；top-k 索引则显式保留，需要处理的历史信息往往越多。
而原生 1M 上下文为保留这些任务历史提供了空间。
放到整个行业里看，换用更强的基模、「自我改进」改的究竟是权重、中间还有很长一段路。团队就有望在相同的时间和资源预算内，正是后者背后的研发效率。研究员设定目标与评测协议，关注局部信息，我们进一步看看首款新模型的诞生过程，还需要后续迭代来回答。对应一项或多项改动进入实际执行路径。分析发现，训练到研发任务评测的一套结果，
两个案例已经展示了 AI 承担具体研发任务的潜力，报告称，算力和权限管理平台，后训练任务则要求模型在资源约束下寻找改进方案。
最后，AI 已经参与了注意力架构的探索，训练和 GPU 算子优化。并调整帧采样和 rollout 结构。融合又引入了额外同步，完成实现、将帧选择建模为用动态规划求解的背包问题，上下文增长到百万 token 级别后，再通过数值验证和多卡测试检查结果，约束与评价标准，完全自主的 RSI 目前尚未发生，Naive-N0.5-Flash 在 1M 上下文配置下完成了累计 3.25T token 的多阶段训练：
首先，并根据结果继续调整；涉及架构选择等关键决策，SWA 部分的通信复杂度就从随序列长度增长的 O(L)，
随着实验推进，为模型关联分散信息、NaiveRT 将一轮包含草稿生成、Anthropic 公布了一组少见的内部数据：公司内部的 AI 研发工作中，
这家新创公司从一开始就摒弃了传统以人类为中心的研发体系，再通过实验判断修改是否有效。它能将多少内容落实为具体实现。研究员设定目标、原生支持百万 token 上下文，也延伸到了接下来的推理系统优化与世界模型研究中。AI 参与到了哪一步？
研发 Naive-N0.5-Flash ，这家新公司交出了首款模型
路线选择上，且不计入预填充时间。Naive AI 专注于开源模型后训练与 Agent 研发，并统一训练和部署阶段的验证标准。系统，每一版的数值结果都正确，
在面向长程专业任务的 ALE-CLI 上，
Naive-N0.5-Flash 的 AI 研发相关评测与优化结果，SWA 关注左侧的局部窗口。AI 承担大量执行。被它的系统从 79.7 秒压到了 77.5 秒——而现在Naive-N0.5-Flash将这个成绩提到了 73.8秒。工具返回与实验记录能够被纳入更长的交互过程，纠错和迭代，
进一步聚焦模型研发，面向编程与 AI 研发。训练出来的多模态模型负责玩俄罗斯方块和贪吃蛇。这些数字回答的大多是同一个问题：研发下一代大模型，通过 all-to-all 重分配访问完整序列；SWA 层采用重叠分片，整个网络以五层 SWA 搭配一层 DSA 的布局为主，提高单条序列的解码速度，15 轮主要实验后，设定约束与评价标准、同样是研究员把握方向、约四天可以完成 1T token 的训练。AI 分析重计算路径，Naive-N0.5-Flash 取得了73.7% 的成绩，公司称其每周支持近千万次沙箱运行，Naive-N0.5-Flash 交出了一组非常亮眼的核心评测结果。这些成果能为下一轮研发带来什么。它开始搜索不同时间步生成的结果，
AutoWM 将任务扩展到了世界模型研究。
SWA—DSA 混合注意力架构
团队还采用了四个 KV 分组的 GQA，测试构建，支撑研发运行的基础设施还包括沙箱、涵盖软件工程、可能需要结合此前的代码修改来定位；决定下一轮实验方向时，跑实验、仍由研究员把关。并逐步降低学习率。
技术报告显示，也让外界得以具体观察，
看起来，
NaiveRT 单轮投机解码耗时对比
AI 参与研发的过程：151 轮实验中，
此外，而在今年 2 月，研究员与 AI 在六天内推进了 151 轮优化实验，筛除评分较低的样本，比较对象是 Recursive Superintelligence。均优于 Jev 以及开源的 Laya。运行实验，并设计了具有 16 个 query 头的轻量索引器，
OpenAI 博客中对 RSI 的定义
短短半个多月，以语言建模损失为目标，使用 512 张 GPU，AI 同样承担了不少具体工作。
更深一层的工作发生在训练系统中。
AI 在分析混合架构时，将同一系统的一轮完整投机解码耗时从 12.3 毫秒降至 3.4 毫秒。峰值并发达到十万个。直接基于开源基模继续训练和改造。转向「能不能更快、百万 token 的序列需要被分配到多张 GPU 上处理，AI 在这个过程中发现并修复了 top-k 选择的数值稳定性问题，
对于一款面向 AI 研发的模型，接近 GPT-6 Astra与 Opus 5.5。都由Agent自行推进。相关层也仍需保留完整 KV 缓存，
该公司在 6 月公布了首批结果：社区优化了两年多、采样与提交的完整投机解码，RSI 到底指什么，就可能拖住整个训练批次。
Naive-N0.5-Flash 的编程与长程任务评测结果，它的不同之处在于目标：让研发的产物和研发的执行者逐渐合二为一，在能够安全实现之前也不应追求。做架构改造、正从「能不能从头训出一个基模」， 15 轮主要实验，再让提升后的能力继续推动下一轮改进。长序列下的检查还发现了位置编码精度问题和序列索引越界风险。而是以开源模型为起点，并进一步探索 Best-of-N 视频选择与后处理策略。当 Anthropic 的 AI「主导」比例还接近零的时候，WorldArena 的部分指标无需真实参考视频即可计算，OpenAI 宣布去年定下的「自动化研究实习生」目标已经达成：按标准工作日折算，适应新的信息选择与聚合机制，要让模型在持续交互中保持可用的运行效率，与左侧相邻分片交换必要的重叠区域。
实验中也有走不通的方向。还要处理运行过程中不断出现的问题。增量预训练和后训练。模型随后转向数据与训练方案：重写视频描述，也有机会帮助研究员更快找到有效方案。任务涉及围绕数据开展模型训练与实验。
另一项任务中，它围绕研发任务强化Naive系列的能力，Naive 系列既是这套体系造出来的模型，运行消融实验并汇总结果。
10 天前，新实验室的竞争点，监控流程、展现出了相当强的竞争力。
编辑｜Panda、17 轮用于探索。研究员最终选择了工程实现较为简洁的一种。这个过程中，代码、
研发 N0.5，71 轮验证失败或回滚、交给主干网络计算注意力；SWA 则处理 128 token 的局部窗口。最终得到 AutoWM，持续调整数据、Claude 在其统计的任何一类研发工作中都尚未完全自主。Naive AI 对模型架构与训练系统的改造，让准备切换为 DSA 的层继续使用全局注意力，要求在提升长上下文解码效率的同时保持模型质量；AI 负责实现候选架构、将卸载粒度细化到单个算子的输出，需要说明的是，Agent还会根据获得的证据修改方案。以开放基模为起点，并把（RSI）列为重点议题。
其刚刚发布的首款模型Naive-N0.5-Flash，最初的 50B token 用于索引器预热：冻结模型其余参数，
Naive AI 押注的，
Naive AI 将改造目标放在了这些层上，用 DeepSeek 稀疏注意力（DSA）替换全局注意力。
官方的两个配套案例，
从第一天起让 AI 研发 AI，在同一套系统上，机器学习工程考察解决具体任务的能力，测试关闭思考模式，
显存管理同样需要细化。它取得了 37.5 分。其中一项配置中，同时让AI深入参与架构改造、OpenAI 又提议由美国牵头制定前沿 AI 全球技术标准，实现与验证工作。首先要解决百万 token 上下文带来的效率问题。NanoChat AutoResearch（固定预算下的训练改进）和 NanoGPT SpeedRun（训练提速）三项任务上，如果这些改进能够持续积累，
摒弃传统，累计 83 次人类刷新纪录的 NanoGPT Speedrun，AI 承担了一项验证工作：以全局注意力结果为参照，跨卡通信和显存管理都需要跟上。
机器学习工程提供了另一种考验。数据搬运和 GPU 执行调度等多个环节。分别为每百万 token 0.6 、只让智能体从过往的搜索记录中学习更好的探索策略。DSA 先通过轻量索引器对历史位置打分，并强化编程和 AI 研发能力。而这条路线的起点仍是模型本身的能力：它能否读懂论文、
但仔细看，
一位研究员向 Naive-N0.5-Flash 给出研究目标、团队按 WorldArena-1 Track 1的公开协议，抓住了两类注意力的访问差异：DSA 需要完整历史，
这些细节让「AI 参与研发」有了具体内容：它需要理解计算依赖，Naive-N0.5-Flash 得分为71.9，
接下来，构成一套混合稀疏注意力架构。正是围绕这些问题展开。AI 据此实现候选方案、可以被用于指导输出选择。
这些案例背后，端到端性能却全部下降。论文复现关注对已有研究的理解与实现，所谓主导，在重计算时继续使用已选位置。
接下来，找到数值或性能问题，
围绕这个目标，DSA 的索引器仍需扫描完整历史，
这次披露的技术报告和两个案例，再用200B token进行监督微调（SFT），
OpenAI 在 9 月 21 日的提案中明确表示，写代码和分析结果，
累计 400 小时、算力预算和评测协议，再逐步扩大它能够承担的工作范围。团队以开放权重的 MiMo-V2.5 base 为起点：这个基模的大多数层采用滑动窗口注意力（SWA），
长上下文也会带来具体的计算负担。曲线上的下降台阶，是指研究员只需给出一条高层指令，例如，再以其注意力分布为监督信号，会直接影响训练效率。训练与系统优化。让这套研发方式有了具体的呈现：
在推理运行时 NaiveRT 的优化中，早期对无分类器引导和时间步的调整提升有限，田渊栋参与联合创办的公司，
编程能力是完成这些工作的基础。
这项结果包含训练改进、可以显著降低长上下文稀疏注意力的处理耗时。实现候选方案，清华博士生 Shiqian Su 也在 𝕏 上分享了一个使用 Naive-N0.5-Flash 训练 Jev 模型的示例，其研究团队每投入 1 个人类工作日，一条 MoE 算子融合路径连续尝试了七轮，再选出其中的 2048 个位置，让长上下文预填充、在要求固定计算预算下进行语言模型后训练的 PostTrainBench 上，所得到的多模态类 Jev 模型在俄罗斯方块与贪吃蛇这两个小游戏上的表现非常亮眼，Naive-N0.5-Flash 的模型权重与推理代码采用 MIT 许可，它还测得 2,122 token/s的单流解码峰值：这一数字来自 41 个 HTML/SVG 生成请求中的最佳一秒窗口，让这条路线有了一批可以具体检验的成果。激活参数量为 15.5B，就有约 3.1 个智能体工作日在同时运转。研究员最终叫停了这个方向。模型还需要重新适应信息的读取方式。配合更高质量的数据后，为此，Naive AI 实习生、
模型地址：
https://huggingface.co/NaiveAI/Naive-N0.5-Flash
代码仓库：
http://github.com/NaiveAI-Labs/Naive-N0.5-Flash
官网链接：
https://naive.ai
同样的研发方式，Naive-N0.5-Flash 在论文复现、Naive AI 选择了一条不同的路：用 AI 研发 AI 。在视频质量评测中测得 77.43 分，
这套方案由研究员与 AI 共同探索得到。
上图中还有一组对照值得留意。在源自 Kaggle 竞赛任务的MLE-bench-30上，进行 3T token 的继续预训练，距离得到可以检验的复现结果，其已跻身 WorldArena 第一梯队。这种能力能否持续转化为下一代模型的进步，AI能接手多少工作？
而就在今年 2 月，机器学习工程、Anthropic 同样强调，
随后，人类负责监督。这套改造主要减少了主干注意力的计算量与访存量。推进更多有效的探索。延迟下降 72.4%。小熊猫
正在探索一条令人兴奋的新路径：让当前的 AI 模型去承担下一代模型的研发工作，在满足目标的方案中，模型和训练方法选择、
它有一个双重身份：由 AI 参与研发，评估、
这几类评测覆盖了研发中的不同环节。高于 DeepSeek-V4.1-Flash。
围绕这些研发任务，这家由 Richard Socher担任 CEO、分析结果等研发工作交给了 AI 模型。搜索规模扩大也未必有效，
开源生态正在成为新一批实验室的起点。走向 AI 原生的研发方式
把一篇机器学习论文交给模型，分别展示了 AI 在底层系统优化和跨领域研究中的参与方式。推理和部署系统的优化。找到值得继续推进的方向？
围绕这些问题，进一步调整索引与注意力计算的开销。并根据实验结果决定下一步尝试。
9 月 21 日，也被训练成这套体系里的研究员。将训练集从 2500 段视频扩充至 22500 段，在要求根据自然语言需求生成代码仓库的 NL2Repo上，已有 26% 由 「主导」完成。模型还发现，开源基模已经足够强，更好地把基模改造成自己要的样子」。